[发明专利]一种基于图像数据的合金钢铸件气孔缺陷检测方法

权利要求书

1.一种基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，包括：

获取合金钢铸件的灰度图像；

基于所述灰度图像确定疑似缺陷区域的图像；

基于所述疑似缺陷区域的图像进行形态相似性计算，确定每一疑似缺陷区域的图像对应的结构元形状；

基于所述结构元形状对所述灰度图像处理，以进行气孔缺陷检测。

2.根据权利要求1所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，基于所述灰度图像确定疑似缺陷区域的图像，包括：

利用边缘检测算法对灰度图像进行边缘检测，获取合金钢铸件的边缘图像；

利用连通域检测算法基于所述边缘图像进行闭合连通域的检测，以得到所述疑似缺陷区域的图像。

3.根据权利要求1所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，基于所述疑似缺陷区域的图像进行形态相似性计算，确定每一疑似缺陷区域的图像对应的结构元形状，包括：

提取每一疑似缺陷区域的图像中每一像素点对应的结构向量，进而得到每一疑似缺陷区域的图像对应的代表向量；其中，所述结构向量包括预设维度的元素，所述结构向量表征像素点周围邻域像素点的结构分布情况；

利用每一疑似缺陷区域的图像对应的代表向量计算疑似缺陷区域的形态与现有结构的形态相似性；

选择形态相似性最大的现有结构作为所述疑似缺陷区域对应的结构元形状。

4.根据权利要求3所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，提取每一疑似缺陷区域的图像中每一像素点对应的结构向量，进而得到每一疑似缺陷区域的图像对应的代表向量，包括：

基于像素点对应的结构向量在疑似缺陷区域的图像中出现的次数，和疑似缺陷区域中边缘像素点的总个数计算像素点对应的结构向量的重要性权值；

基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的代表向量。

5.根据权利要求4所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的代表向量，包括：

基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的初始代表向量；

对所述初始代表向量进行规范化，得到所述代表向量。

6.根据权利要求5所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，对所述初始代表向量进行规范化，得到所述代表向量，包括：

计算所述初始代表向量中所有元素的平均值与所述初始代表向量中每一维度的元素的差值；

如果所述差值小于或等于0，则将所述初始代表向量对应维度的元素置为0；如果所述差值大于0，则将所述初始代表向量对应维度的元素置为1，以此得到所述代表向量。

7.根据权利要求5所述的基于图像数据的合金钢铸件气孔缺陷检测方法，其特征在于，基于像素点对应的结构向量在疑似缺陷区域的图像中出现的次数，和疑似缺陷区域中边缘像素点的总个数计算像素点对应的结构向量的重要性权值，包括：

利用如下公式计算像素点对应的结构向量的重要性权值：

；

其中：

；

其中，表示第个疑似缺陷区域的所有边缘像素点的总个数；表示第个像素点对应的第个结构向量；表示第个结构向量对应的重要性权值；表示与第个结构向量相同的结构向量在第个区域出现的总次数；表示第个向量的连续累加值；表示第个像素点对应的第个结构向量的结构相似性；为第个疑似缺陷区域的第i个像素点对应的结构向量中的第个维度的数据；为第个疑似缺陷区域的第i-1个像素点对应的结构向量中的第个维度的数据；

基于结构向量的重要性权值、疑似缺陷区域中边缘像素点的总个数以及像素点对应的结构向量计算每一疑似缺陷区域的图像对应的初始代表向量，包括：

利用如下公式计算初始代表向量：

。